利用激活值生成模型实现 CNN 的反向传播
计算机视觉与模式识别
2016-11-10 v1
摘要
神经网络已被证明是在预指定输入空间与输出空间之间构建非常复杂映射的实用方法。例如，将图像映射为上千个物体标签之一的卷积神经网络（CNN）在这一特定任务上正接近人类表现。然而该映射（神经网络）并不能自动适用于其他形式的查询，例如检测/重建物体实例、在模糊输入上施加自顶向下信号，或从遮挡中恢复物体实例。解决这些查询的一种方法是融合自顶向下与自底向上信息的网络反向传播。本文中，我们通过定义神经网络激活值的生成模型，展示了构建此种反向传播的一种方法。该模型的近似推断自然采取通过 CNN 各层反向传播的形式，并在统一框架中处理上述查询。
引用
@article{arxiv.1611.02767,
title = {A backward pass through a CNN using a generative model of its activations},
author = {Huayan Wang and Anna Chen and Yi Liu and Dileep George and D. Scott Phoenix},
journal= {arXiv preprint arXiv:1611.02767},
year = {2016}
}